排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
结合网络核密度估计(NetKDE)和支持向量机(SVM)算法构建了一个新型的事件驱动的供水管道状况预测模型.以上海市杨浦区供水管网为例,应用NetKDE方法对管网历史事件分布进行分析计算,得到的事件核密度用以表征管网中各管段结构安全状况,并利用自然分界法划分状况等级.以状况等级为响应特征,用径向基(RBF)核函数建立供水管网SVM预测模型,通过网格搜索和交叉验证方法确定最优的模型参数,然后利用优化后的模型进行分类预测.结果表明,该模型总体分类准确率达0.91,能够有效识别结构安全状况较差的管段,对于供水管网安全隐患排查和风险防控具有重要的现实意义. 相似文献
1